REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION

INSTITUTO UNIVERSITARIO POLITECNICO “SANTIAGO MARIÑO”

EXTENSIÓN C.O.L

PROGRAMACIÓN NO LINEAL

Realizado por:
Yelianna Pacheco
CI: 27.982.768
Ingeniería de sistemas
Tutor: Levy Riera

Cabimas, septiembre de 2019

 Introducción

La programación no lineal forma parte de la investigación de operaciones y

también, como la programación lineal, tiene como finalidad proporcionar los
elementos para encontrar los puntos óptimos para una función objetivo.

Se presenta un problema de programación no lineal cuando tanto la función

objetivo que debe optimizarse, como las restricciones del problema, o ambas,
tienen forma de ecuaciones diferenciales no lineales, es decir, corresponden a
ecuaciones cuyas variables tienen un exponente mayor que 1.

El campo de aplicación de la programación no lineal es muy amplio, sin

embargo, hasta la fecha los investigadores de esta rama del conocimiento no
han desarrollado un método sistemático que sea práctico para su estudio. La
programación no lineal también es conocida con el nombre de programación
cuadrática, en virtud de que la mayor parte de los problemas que resultan
contienen ecuaciones cuadráticas o de segundo grado.
Definición

Programación no lineal (PNL) es el proceso de resolución de un sistema de

igualdades y desigualdades sujetas a un conjunto de restricciones sobre un
conjunto de variables reales desconocidas, con una función objetivo a
maximizar, cuando alguna de las restricciones o la función objetivo no son
lineales. Se utiliza para la resolución de problemas de optimización en los que
la función objetivo o las restricciones no son lineales (cuadráticas, cúbicas,etc),
pero también son diferenciables las veces en que es necesaria para el
establecimiento de herramientas teóricas.

Funciones

Existen dos tipos de funciones lineales: Con restricciones y sin restricciones.

 Con restricciones: La formulación de este tipo de problemas responde a

la formulación general presentada al comienzo de esta secci´on. El
estudio del problema con restricciones comenzó abordando solamente el
problema con restricciones de igualdad, teniendo sus orígenes en el
siglo XVIII. El problema con restricciones de desigualdad tiene una
historia más reciente, de hecho hasta los años cincuenta del pasado
siglo no se tratan éstos.
 Sin restricciones: Estos problemas son un programa matemático para
los que las variables de decisión no están restringidas. Su formulación
es de la siguiente forma:
M ax (M in) f(x1, , x2, . . . , xn)
Este tipo de problemas aparecen de forma natural en distintas áreas de
la ciencia tales como Estadística y Econometría. Otro aspecto
importante de este tipo es que, en ocasiones, un P.N.L. con restricciones
se puede resolver a partir de un sin restricciones.

Características de los problemas no lineales

 Los problemas no lineales se caracterizan por tener relaciones no

lineales; es decir, no existe una relación directa y proporcional entre las
variables que intervienen.
  Los problemas de programación no lineal, también son llamados
curvilíneos, ya que el área que delimita las soluciones factibles en un
gráfico se presenta en forma de curva.
 La función objetivo en la programación no lineal, puede ser cóncavo o
convexo.
 Es cóncavo cuando se trata de maximizar utilidades, contribuciones, etc.
 Es convexo cuando trata de minimizar recursos, costos, etc.
 Los problemas que contienen restricciones lineales, se resuelven de una
forma más sencilla que los problemas con restricciones no lineales.

Funciones cóncava y convexa

Si hablamos de la función objetivo f(x1,x2,...xn) podemos definir si se trata de

una función Cóncava (cóncava hacia abajo) ó Convexa (cóncava hacia arriba)

Para interpretar la definición se puede pensar en una función de 2 variables

que podemos representar en el plano.

Función convexa

F(x,y) es convexa si las cuerdas entre dos puntos de la función están por arriba
de la curva que representa la función.

Otra definición es que: las derivadas primeras son rectas que quedan por
debajo de la función (rectas en verde).

Función cóncava

F(x,y) es cóncava si las cuerdas entre dos puntos de la función están por
debajo de la curva que representa la función.
En este caso las derivadas primeras son las rectas que permanecen por
encima de la función (rectas en verde).

Esta condición la podemos anotar: f es convexa si

f λ x1 + (1 – λ) x2 ≤ λ f(x1) +(1 – λ) f(x2);

Si el signo es < es estrictamente convexa

Donde λ es un número real entre 0 y 1 ; 0 ≤ λ ≤1

Análogamente f es cóncava si

f λ x1 + (1 – λ) x2 ≥ λ f(x1) +(1 – λ) f(x2)

Si el signo es > es estrictamente cóncava

Ejemplos de los problemas que se aplica la programación NO Lineal:

 Problema de transporte con descuentos por cantidad: El precio unitario

de transporte entre un origen y un destino es decreciente en función de
la cantidad a transportar.
 Problema de flujo de cargas en un sistema eléctrico: Las pérdidas son
no lineales.
 Problema de producción con elasticidad en el precio y/o en el coste:
Consideremos que los precios unitarios disminuyen cuando vendemos
un número importante de productos, esto nos indica que la renta
marginal disminuye cuando aumentan las ventas. Es el caso de reducir
el precio de venta a partir de cierta cantidad vendida: cuando llevo
vendido una cantidad importante le reduzco el precio de venta.
Ejemplo: Una compañía planea gastar 10000 euros en publicidad. Se sabe que
un minuto de publicidad en televisi´on cuesta 3000 euros y 1000 euros en la
radio. Si la empresa compra x minutos de publicidad en televisi´on e y minutos
en la radio, su ingreso, en euros, está dado por: −2x 2 – y2 + xy + 8x + 3y.
¿Cómo puede la empresa maximizar sus ingresos?

Las variables de decisión del problema son:

x: minutos que compra la empresa en televisi´on

y: minutos que compra la empresa en radio

El objetivo es maximizar los ingresos, Z(x, y) = −2x2 – y2 + xy + 8x + 3y

Restricciones del problema:

- Gastar 10000 euros en publicidad en los dos medios, 3000x + 1000y = 10000.
Por tanto

M a Z(x, y) = −2x2 – y2 + xy + 8x + 3y

s.a. 3000x + 1000y = 10000

Este problema es un problema no lineal con restricciones de igualdad (lineal).

Ejemplo: Una compañía petrolífera debe determinar cuántos barriles de

petróleo hay que extraer en los próximos dos años. Si la compañía extrae x 1
millones de barriles durante un año, se pondrá vender cada barril a 30-x 1 euros.
Si extrae x2 millones de barril durante el segundo año, se podrá vender cada
barril a 35-x2 euros. El costo para extraer x1 millones de barriles en el primer
año es de x21 millones de euros y el costo para extraer x2 millones de barriles
durante el segundo año es de 2x 22 millones de euros. Se puede obtener como
máximo un total de 20 millones de barriles de petróleo, y se puede gastar como
máximo 250 millones de euros en la extracción. Formular el P.N.L. para ayudar
a la empresa a maximizar sus ganancias para los próximos dos años.

Las variables de decisión del problema son:

X1 : millones de barriles extraídos durante el primer a˜no

X2 : millones de barriles extraídos durante el segundo a˜no
El objetivo es maximizar los ingresos, Z(x, y) = x 1(30 – x1) + x2(35 – x2) – x21 −
2x22

Restricciones del problema:

- Gastar como máximo 250 euros en la extracción, x21 + x22 ≤ 250.

- Obtener como máximo 20 millones de barriles de petróleo, x 1 + x2 ≤ 20. Por

tanto

M a Z(x, y) = x1(30 – x1) + x2(35 − x2) – x21 − 2x22

s.a. x21 + x22 ≤ 250

x1 + x2 ≤ 20

x1, x2 ≥ 0

Este problema es un problema no lineal con restricciones de desigualdad (no

lineal y lineal).

Video

https://www.youtube.com/watch?v=zpviDjSU-1M
 Conclusión

Un modelo de Programación No Lineal (PNL) es aquel donde las variables de

decisión se expresan como funciones no lineales ya sea en la función objetivo
y/o restricciones de un modelo de optimización. Esta característica particular de
los modelos no lineales permite abordar problemas donde existen economías o
deseconomías de escala o en general donde los supuestos asociados a la
proporcionalidad no se cumplen.

Dentro de un espacio solución (conjunto de inecuaciones) lineal convexo, si

f(X) es cóncava, el máximo obtenido es global es decir es el óptimo de f(x),
pues no existe otro mayor dentro del espacio solución.

Dentro de un espacio lineal convexo (conjunto de inecuaciones), si f(X) es

convexa el máximo obtenido es un máximo local. Es el mayor dentro de un
subespacio del espacio solución pero No podemos asegurar que es el óptimo
de f(X).